Czego warto się jeszcze nauczyć w świecie AI?

W poprzednim poście rozmawialiśmy o o tym, dlaczego nie wykorzystujemy matematyki, której uczymy się w szkole. Dzisiaj chciałabym porozmawiać o tym, czego warto się jeszcze nauczyć w świecie AI. Dużo myślałam o tym, których umiejętności warto nauczyć się w przyszłości. Kiedyś całkiem bezpiecznym założeniem było, że nauka kodowania była dobrym posunięciem zawodowym. Programowanie było poszukiwane i była to ścieżka kariery, która zapewniała dobre wynagrodzenie. Teraz jest wiele paniki, że programiści mogą wkrótce zostać wypchnięci z rynku pracy, zastąpieni przez agentów kodowania AI.

Niepokój związany z wykorzystaniem sztucznej inteligencji do automatyzacji pracy nie ogranicza się do programistów. Większość profesjonalistów, których znam, jest przynajmniej trochę zaniepokojona, że postęp AI może pozbawić ich pracy. Sama z pewnością jestem zaniepokojona. Wielu moich rówieśników już informuje, że ich ruch internetowy spadł. Częściowo z powodu wyszukiwarek wykorzystujących AI do podsumowania ich treści, więc czytelnicy nie muszą już odwiedzać konkretnych stron internetowych.

Nie wiem, co przyniesie przyszłość. Nie jestem nawet pewna, jaki jest właściwy sposób myślenia o przyszłości. Widoki online wahają się od jednej skrajności do drugiej. Nawet wielu ekspertów ma szalenie rozbieżne prognozy tego, co ma nadejść. Ale ignorowanie tych kwestii również nie wydaje się dobrym rozwiązaniem. Chciałabym więc spróbować teraz przedstawić niektóre z moich myśli, jakkolwiek niedoskonałe. Mam nadzieję, że pisanie o tym wyostrzy moje myślenie na ten temat.

Czynniki, które należy wziąć pod uwagę

Na razie rozważę tylko umiejętności zawodowe. Chociaż sztuczna inteligencja prawdopodobnie ma wpływ na hobby, które robisz dla zabawy, myślę, że analiza tam jest inna i nie jest aspektem problemu, którym ludzie wydają się najbardziej zaniepokojeni. Uczy się języków głównie dla własnej przyjemności. Dlatego wzrost tłumaczenia AI był dla mnie niesamowitym dobrodziejstwem. Ale mogę też zrozumieć, dlaczego profesjonalni tłumacze mogą nie czuć się z tym zbyt dobrze.

Na pytanie, czego warto się nauczyć, biorąc pod uwagę szybkie zmiany w AI, trudno odpowiedzieć jednoznacznie. Zamiast tego prawdopodobnie warto spojrzeć na niektóre elementy osobno i spróbować połączyć je razem. Widzę kilka różnych pytań, które wszystkie mają wpływ na tę kwestię:

1. Jak obecnie istniejące narzędzia AI zmieniają zapotrzebowanie na niektóre rodzaje pracy?
2. Jakie mogą być możliwe kierunki przyszłego rozwoju AI dla zapotrzebowania na pracę?
3. Jak zmienia się droga do ekonomicznie opłacalnych umiejętności w wyniku AI?

Dobrym punktem wyjścia do myślenia o sztucznej inteligencji jest po prostu ocena sytuacji takiej, jaka istnieje dzisiaj. Jaki jest ekonomiczny wpływ obecnej technologii AI? Jak to wpłynęło na popyt na pracę? Tutaj dane są nieco pocieszające dla tych, którzy martwią się masowym wyparciem miejsc pracy. Badania przeprowadzone przez Yale wykazały, że w ciągu około trzech lat od wybuchowego debiutu ChatGPT wpływ na zatrudnienie był w zasadzie niewidoczny.

Jak AI wpływa na zapotrzebowanie na pracę?

Wydaje się, że nie dzieje się tak dlatego, że firmy powoli przyjmują technologię sztucznej inteligencji. Inne badanie wykazało, że prawie jedna trzecia firm zaczęła używać sztucznej inteligencji do automatyzacji niektórych zadań pracowniczych. Mimo to tylko 5% tych firm faktycznie miało zmiany w zatrudnieniu, z czego ponad połowa stanowiła wzrost zatrudnienia. Analitycy z Goldman Sachs szacują, że biorąc pod uwagę obecną technologię sztucznej inteligencji, 6-7% obecnych miejsc pracy może zostać zastąpionych. Wierzą jednak, że towarzyszyć temu będzie tworzenie nowych miejsc pracy.

Historyczne fakty wspierają również nieco mniej alarmistyczne spojrzenie na efekty technologii transformacyjnych. Chociaż AI jest nowa, automatyzacja oparta na maszynach nie jest zjawiskiem nowym. Zmiany technologiczne skutkują tym, co ekonomista Joseph Schumpeter nazwał twórczą destrukcją, gdzie powstają nowe możliwości, gdy poprzednie są niszczone. Ale nawet, jeśli popyt na pracę jako całość raczej nie spadnie, biorąc pod uwagę obecne możliwości sztucznej inteligencji, nie oznacza to, że nie ma powodów do niepokoju. Raport Goldman Sachs zauważył również, że wielu menedżerów przyznało, iż sztuczna inteligencja spowalnia rekrutację w dziedzinie technologii i finansów.

Czy AI pozbawi zatrudnienia?

W innym raporcie Stanford Digital Economy Lab zauważono, że młodsi pracownicy w dziedzinach odsłoniętych przez AI (takich jak programowanie) zauważyli względny spadek zatrudnienia, nawet gdy zatrudnienie wśród pracowników w wieku 30 lat i starszych wzrosło. To pasuje do mojej intuicji, że agenci kodowania AI mogą wykonywać wiele zadań młodszych programistów. Jednak mają trudności z dopasowaniem się do doświadczenia potrzebnego do radzenia sobie z poważniejszą pracą.

Ogólnie rzecz biorąc, maluje to bardziej optymistyczny obraz niż to, czego można się spodziewać, biorąc pod uwagę, że 60% pracowników obawia się zastąpienia pracy przez AI. Przynajmniej w obecnych możliwościach wpływ sztucznej inteligencji nie różni się tak bardzo od normalnych zmian technologicznych. Niektórzy skorzystają, a niektórzy stracą, ale nie ma załamania popytu na wykwalifikowaną pracę.

Co z przyszłym rozwojem AI?

Oczywiście, naiwnością jest uznanie, że skoro AI nie ma dziś większego wpływu na miejsca pracy, to nigdy tego nie zrobi. Większość moich obaw związanych z AI nie dotyczy obecnie istniejącej technologii, ale tego, dokąd zmierza technologia. Inwestycje w umiejętności zawodowe muszą wypłacać pieniądze przez lata, aby były warte zachodu. Dlatego nie możemy po prostu odrzucić pytań, jakie możliwości będą istnieć za dziesięć lat, jako zbyt spekulacyjne. Podczas gdy dzisiejsi programiści mogą nie borykać się z masowym bezrobociem, jeśli takie zastąpienie jest prawdopodobne za dziesięć lat, nadal ważne byłoby, aby wziąć pod uwagę inwestowanie w umiejętności zawodowe.

Myśląc o tym, dokąd zmierza AI, wiele skorzystałam z książki Tylera Cowena „Average is over” i modelu współpracy człowiek-komputer, który opisują autor. Używając szachów jako przykładu, Cowen twierdzi, że postęp technologii przechodzi przez cztery fazy:

1. W pierwszej fazie ludzie są po prostu lepsi od komputerów. Wczesne programy szachowe nie mogły pokonać nawet skromnie biegłych graczy, chociaż mogły oszukać nowicjuszy.
2. W następnej fazie najlepsi ludzie są lepsi niż najlepsze komputery, ale komputery mogą pokonać nieelitarnych ekspertów. W tej fazie Kasparov mógłby dać AI szansę na swoje pieniądze, ale nie-grandmaster nie miałby szans.
3. Po tym komputery są lepsze od najlepszych ludzi, ale ludzie plus komputery radzą sobie lepiej niż same komputery. Cowen opisuje „szachy centaurowe”, w których gracze mają dostęp do wielu zaleceń AI. Tylko ludzie mogą być gorsi, ale mogą tworzyć doskonały zespół, gdy są wzmocnieni AI.
4. Wreszcie, gdy umiejętności sztucznej inteligencji znacznie przekraczają ludzkie możliwości, nawet współpraca nie jest owocna. Ludzki wkład pogarsza decyzje. Prawdopodobnie w tym momencie jesteśmy pionkami.

W jakiej fazie jesteśmy?

Moje poczucie obecnej sytuacji jest takie, że większość komercyjnych zastosowań AI jest w pierwszej fazie. Ludzie są lepsi, ale względy kosztów mogą nadal zmieniać decyzje na rzecz AI. Na przykład praca w call center będzie prawdopodobnie coraz częściej przejmowana przez AI. Nie dlatego, że rozmowa z AI jest „lepsza” niż prawdziwa osoba, ale po prostu dlatego, że jest tańsza. W innych obszarach jesteśmy bliżej drugiej fazy. Kodowanie może być jednym z nich, a najlepsi agenci kodowania radzą sobie lepiej niż programiści nieelitarni (przynajmniej w zadaniach krótkoterminowych). Ale nadal istnieje wiele możliwości współpracy, ponieważ AI mają inne mocne i słabe strony niż ludzcy programiści.

Doświadczenie z poprzednich sukcesów AI w węższych dziedzinach sugeruje, że trzeci etap sztucznej inteligencji może trwać dłużej, niż mogłoby się wydawać. Radiologia wydaje się być dobrym przykładem. Nawet jeśli wzrok maszynowy może pokonać ludzkie oko, bardziej rozległe aspekty pracy nadal wymagają ludzkich radiologów. Nawet jeśli osiągniemy sztuczną ogólną inteligencję (AGI), a komputery mogą naprawdę wykonywać całą pracę poznawczą i fizyczną ludzi, możemy nadal znaleźć się w sytuacji, w której wiele różnic między agentami AI a istotami ludzkimi pozwala ludziom i komputerom pracować ramię w ramię przez jakiś czas. Jeśli szachy są jakimś przykładem, może to wyglądać jak człowiek „zarządzający” zespołem agentów AI, rozumiejący ich mocne i słabe strony.

Oczywiście, jeśli osiągniemy sztuczną superinteligencję (ASI), gdzie komputery mogą radzić sobie znacznie lepiej niż ludzie we wszystkich zadaniach (w tym, przypuszczalnie, zadanie zarządzania innymi agentami AI), trudno powiedzieć, jak będzie wyglądał krajobraz umiejętności zawodowych. Jednak przewidywanie o tym, jak będzie wyglądał świat, wydaje się prawie niemożliwe.

W jakie umiejętności inwestować?

W związku z powyższym skupię się bardziej na tym, jak myśleć o inwestycjach umiejętności w trzech różnych scenariuszach:

1. Rozwój AI na mniej więcej takim poziomie, jaki widzimy teraz. Innymi słowy, era 2022-2025 masowych skoków praktycznych możliwości i użyteczności spłaszcza się. Nowe wersje GPT zaczynają wyglądać jak nowe wersje iPhone’a – nowe dzwonki i tapety, ale niewiele radykalnych zmian.
2. AI wciąż się poprawia, ale AGI pozostaje nieuchwytne. Otrzymujemy coraz lepszych agentów, którzy mogą obsłużyć więcej zadań, ale pozostają (stosunkowo) wąskimi narzędziami. Może to być spowodowane tym, że niektóre zadania pozostają trudne do zautomatyzowania, więc nadal jest dużo pracy dla ludzi. Dodatkowo uzyskanie wystarczającej niezawodności jest trudne. Dlatego potrzebujemy ludzi do nadzorowania, nawet jeśli sztuczna inteligencja jest zdolna do wykonywania całej pracy.
3. Dojeżdżamy do AGI. Wszystkie poznawcze (i fizyczne?) zadania mogą być wykonywane przez maszyny. Jednak istnieje wystarczająco dużo różnic we względnych mocnych i słabych stronach, że współpraca jest nadal możliwa. Na tym etapie istnieje wydłużony okres trzeciej fazy, w którym ludzie współpracujący i zarządzający AI stają się dominującym sposobem pracy.

Jak zmienia się droga do wartościowych umiejętności?

Nawet przyjmując bardziej umiarkowane scenariusze AI, nadal pozostawia to otwartą kwestię, gdzie najlepiej poświęcić swój czas na budowanie umiejętności i kapitału ludzkiego. W tych scenariuszach ludzie nadal pracują, ale natura pracy prawdopodobnie się zmieni. Niektóre umiejętności wzrosną, inne znikną. Pierwszym wyróżnieniem, które należy zauważyć, jest to, że zadania są zautomatyzowane, a nie sama praca. Prawdziwe prace wiążą się z wieloma różnymi zadaniami i obowiązkami. Tak długo, jak niektóre zadania wymagają ludzkiej wydajności, nadal może istnieć miejsce dla ludzkich umiejętności.

Dlatego błędem jest po prostu spojrzeć na pracę, która obecnie ma dużą ekspozycję na AI i założyć, że pracownicy nieuchronnie zmierzają w kierunku bezrobocia. Chociaż jest to możliwy scenariusz, może to również pójść w drugą stronę. Sztuczna inteligencja automatyzująca niektóre zadania może znacznie zwiększyć produktywność, zwiększając w ten sposób ogólną wartość dla ludzi w tej branży.

Aby to było konkretne, weź pod uwagę programistów. Jeśli zapotrzebowanie na oprogramowanie jest stałe, a sztuczna inteligencja może wykonać większość pracy obecnych programistów, to popyt na branżę można zaspokoić, zatrudniając znacznie mniej programistów. Alternatywnie, jeśli sztuczna inteligencja umożliwi obecnym programistom tworzenie znacznie większej (lub lepszej) produkcji, produktywność branży może drastycznie wzrosnąć. To może zwiększyć popyt na oprogramowanie, tworząc w rzeczywistości większe zapotrzebowanie na programistów niż wcześniej. Na przykład coś podobnego stało się z samochodami. Gdy automatyzacja zwiększyła wydajność, aby samochód był powszechnie przystępny cenowo, zatrudnienie w przemyśle zwiększyło się, a nie zmniejszyło.

Jakie mamy możliwości?

Nawet jeśli liczba osób zatrudnionych nie zmieni się, umiejętności potrzebne do wykonania cennej pracy mogą ulec zmianie. Mogę sobie wyobrazić kilka możliwości:

1. Jeśli sztuczna inteligencja wspomoże przeciętnych pracowników do poziomu najbardziej wykwalifikowanych pracowników, może to prowadzić do kompresji płac. Istnieją już pewne dowody na to, że ChatGPT zwiększa produktywność, jednocześnie zmniejszając różnicę między pracownikami w symulowanym zadaniu pisania.
2. Jeśli sztuczna inteligencja zautomatyzuje pracę, którą wykonują pracownicy o niższych kwalifikacjach, ale nie zautomatyzuje pracy, którą wykonują pracownicy o najwyższych kwalifikacjach, może to prowadzić do zwiększenia płac dla najbardziej wykwalifikowanych. Raport Stanforda na temat zmniejszonych zatrudnień na wczesnym etapie kariery, cytowany wcześniej, może być tego dowodem.
3. Alternatywnie, AI może całkowicie zautomatyzować wiele miejsc pracy, ale stworzyć nowe w ich miejsce. Być może przyszłość programowania nie będzie wiązało się z pisaniem lub zrozumieniem kodu. Może będzie chodziło o bycie biegłym w zarządzaniu małą armią agentów kodowania i namawianie ich do idealnego zachowania.

Analiza dostępnych scenariuszy

W pierwszym scenariuszu AI może zmniejszyć potrzebę nauki określonej umiejętności, ponieważ pomocnik AI może zrobić wiele z tego za ciebie. Oznaczałoby to rodzaj „ogłupiania” pracy i z pewnością byłoby to złe dla obecnie wykwalifikowanych. Mogłoby jednak stworzyć możliwości mobilności gospodarczej. Przykładem z przeszłości jest przejście wykwalifikowanych mechaników na linie montażowe, co stworzyło miejsca pracy klasy średniej dla dużych połaci ludności.

W drugim scenariuszu sztuczna inteligencja rozszerza obecne trendy w polaryzacji umiejętności. Ponieważ prostsze części pracy zostają zautomatyzowane, to, co pozostało, wymaga większego poziomu umiejętności. Coś podobnego wydarzyło się w ciągu ostatnich kilku dekad z coraz większymi wymaganiami dotyczącymi studiów wyższych i szkolenia podyplomowego. W takim świecie dotarcie na granicę umiejętności jest zarówno bardziej naglące, jak i bardziej satysfakcjonujące. Jednak jest znacznie trudniejsze do zrobienia, ponieważ jest mniej okazji do przyuczenia do zawodu, ponieważ niewiele z prostszej pracy ma wartość ekonomiczną.

W trzecim scenariuszu może być tak, że zupełnie inna grupa ludzi dominuje w specjalności zawodowej. Może jutrzejsi programiści będą musieli być zaklinaczami AI, rozumiejąc dziwactwa „psychologii” AI bardziej niż podstawową bazę kodową, którą tworzą ci agenci.

Wartość konkretnych umiejętności

W zależności od dokładnego wyniku, łatwo jest wyobrazić sobie, że inwestycja w konkretną umiejętność jest:

• mniej wartościowa, ponieważ rozwój sztucznej inteligencji podniesie poziom produktywności,
• bardziej wartościowa, ponieważ automatyzacja sztucznej inteligencji będzie oznaczać, że pozostaną tylko najlepsze lub najbardziej zaawansowane elementy umiejętności,
• nawet bezwartościowa, ponieważ charakter potrzebnej umiejętności zmienia się tak dramatycznie, że zasadniczo nie pokrywa się z obecnymi umiejętnościami wymaganymi do wykonywania tej samej pracy.

Biorąc pod uwagę szeroką niepewność zarówno w postępie technologii sztucznej inteligencji, jak i szeroko zakrojone przyjęcie tej technologii, trudno jest wyciągnąć jakiekolwiek stanowcze wnioski na temat tego, co dana osoba powinna teraz priorytetowo traktować jako naukę. Niektóre poniższe pomysły wydają mi się rozsądne.

Nauka lepszej pracy z AI

Jak mówi stare przysłowie: „jeśli nie możesz ich pokonać, dołącz do nich”. W wielu scenariuszach współpraca człowiek-plus-AI byłaby ważnym aspektem pracy. W tym sensie nauka korzystania z AI nie różni się tak bardzo od poprzednich innowacji technologicznych, takich jak nauka korzystania z komputerów osobistych lub Internetu.

Ostatecznie praca będzie tak przepełniona interakcjami AI, że główną przepaścią będzie rozdźwięk między tymi, którzy czują się komfortowo z korzystaniem z AI, a tymi, którzy tego nie robią. Dla własnego dobra, próbowałam zbadać wykorzystanie sztucznej inteligencji, aby zwiększyć moją własną pracę. Z mojego doświadczenia wynika, że AI jest dość kiepska jak ghostwriter. Jednak pomogła mi w researchu i podsumowywaniu moich list lektur. Trudno mi sobie wyobrazić powrót do strategii badawczych sprzed AI, których użyłam podczas przygotowywania moich książek.

Nauka pracy z dala od AI

Inną możliwością jest wycofanie się z nacierającej fali. Jeśli możesz skupić się na umiejętnościach i mocnych stronach, które są dalej od granicy możliwości sztucznej inteligencji, jesteś mniej zagrożona przez zmiany w technologii. 

Może to wiązać się z przesunięciem kierunku kariery. Spodziewam się, że ogrodnicy i pielęgniarki będą jednymi z ostatnich zadań, które zostaną znacznie zautomatyzowane. Zawody te mają duże nierutynowe komponenty fizyczne, w których obecna sztuczna inteligencja jest kiepska.

Próbuję również podjąć proaktywne kroki, aby zabezpieczyć moją karierę, przesuwając moją pracę w sposób, w jaki AI ma problemy z replikacją. Część motywacji do powrotu do projektów publicznych, podobnie jak mój niedawny projekt fundamentów dobrego życia, opierała się na przekonaniu, że w przyszłości z tanią sztuczną inteligencją moja kariera pisarska będzie lepiej chroniona, jeśli skupię się bardziej na dzieleniu się osobistymi doświadczeniami, a nie tylko na kompletowaniu samych informacji.

Uczenie się bardziej ogólnych umiejętności

Od dawna jestem sceptyczna wobec idei umiejętności ogólnych wolnych od treści. Wydaje się, że wiele z tego, co wiemy, jest ugruntowane w konkretach. Ale nawet jeśli idea, że powinniśmy porzucić wiedzę o dziedzinie i po prostu uczyć ogólników, takich jak „rozwiązywanie problemów” lub „krytyczne myślenie”, jest marzeniem, umiejętności i wiedza różnią się w zależności od stopnia ogólności. Tabliczka mnożenia jest bardziej ogólnie stosowana niż naprawa zmywarki. Bycie dobrą w przemówieniach publicznych jest bardziej ogólne niż znajomość tajników najnowszej wersji Power Point.

W środowisku intensywnych zmian lepiej być odpornym mniszkiem lekarskim, a nie orchideą cieplarnianą. Podobnie spodziewam się, że dzięki zmianom wywołanym przez AI, ludzie, którzy utrzymywali różnorodne zainteresowania i umiejętności, będą najlepiej przygotowani do skorzystania ze zmiany. Podczas gdy ekstremalni specjaliści staną w obliczu większego ryzyka wypadnięcia z obiegu. Przynajmniej tak myślę o tych kwestiach teraz, ale ciekawi mnie twoje stanowisko. Czy określiłabyś swoje uczucia dotyczące sztucznej inteligencji jako bardziej podekscytowane lub nerwowe? Czy w wyniku AI wprowadziłaś jakieś zmiany w swoich inwestycjach zawodowych? Podziel się swoimi przemyśleniami w komentarzu poniżej albo napisz do mnie maila na adres pytania@cataleja.pl.

Udanego życia,

Cataleja